[发明专利]一种加油站便利店零售销量的预测方法

说明书

本发明公开了一种加油站便利店零售销量的预测方法，首先基于灰色系统理论建立了无偏GM(1,1)预测模型，消除了常规GM(1,1)预测模型的固有偏差；其次，本发明利用Markov理论对无偏GM(1,1)预测模型的相对残差进行了修正，该模型能较好地体现数据的波动特征，最后，本发明利用改进的粒子群优化算法白化无偏GM(1,1)‑Markov预测模型灰区间的参数，得到无偏灰色PSO‑Markov预测模型，本发明的模型能提高预测模型的精度，该模型可用于加油站便利店的商品销售预测，并为企业的经营决策提供依据。

技术领域

本发明涉及一种加油站便利店零售销量的预测方法，属于加油站便利店零售销量领域。

背景技术

随着改革开发的不断深化，国内成品油零售市场将放开准入条件，国外大型油品公司将不断冲击中国市场，油品经营的利润将不断压缩，且增加了其经营的风险和难度。在此背景下，国内两大油品公司(中石油和中石化)积极拓展业务，学习欧美的先进经营理念，大力发展加油站便利店零售业务，迎来了新的发展机遇。商品销售量的准确预测是衡量加油站便利店销售情况及利益的重要依据，准确预测商品销售量不仅能及时调整商品货物来满足顾客需求，而且可及时把握商品未来需求。零售业已成为发展最为迅速的产业之一，作为便利店中的典型例子，加油站便利店今年在我国的发展非常迅猛。中石油集团也在积极开展以便利店服务为主的非油品业务，自2007年中石油正式启动非油品业务至今，中石油旗下的便利店数量以及非油品营业额不断增加，已成为其重要的利润来源，准确预测商品销售量对于便利店的发展具有重要意义，不仅能及时调整商品货物来满足顾客需求，而且可及时把握商品未来需求。鉴于加油站便利店是一个新兴业务，国内的研究工作较少，相关理论尚不成熟，如何准确预测其零售销量面临诸多难题。

发明内容

本发明的目的在于提供一种加油站便利店零售销量预测方法，以解决准确预测其零售销量面临诸多难题。

为了实现上述目的，本发明提供以下技术方案：

(1)建立无偏灰色预测GM(1,1)模型：

(1.1)首先假设原始数据序列为

X⁽⁰⁾＝(X⁽⁰⁾(1),X⁽⁰⁾(2)，…，X⁽⁰⁾(n)) (1)

(1.2)然后将原始数据序列使用累加生成新的序列为：

X⁽¹⁾＝(X⁽¹⁾(1),X⁽¹⁾(2)，…，X⁽¹⁾(n)) (2)

其中，

(1.3)计算参数值：

利用最小二乘法得到参数列

式中：

(1.4)建立无偏GM(1,1)预测模型：

设原始的数据序列满足：

其中：k＝1,2,…,n，a₁,b₁为待定系数；

将式(4)的各x⁽⁰⁾(k)进行一次累加得：

分别将式(4)和(5)代入式(3)得：

由式(6)可得：

则得到的无偏GM(1,1)预测模型为：